[python] os.listdir

[Novák Jan - Topinfo s.r.o.]

Narazil jsem na zajímavé chování os.listdir, pokud máte v souborech
diakritiku.
Co myslíte, je to chyba, není to chyba? Minimálně by to mělo být uvedeno v
dokumentaci!

Je-li na Linuxu kódování utf-8, chyba se projevila pouze v běhu scriptu přes
CGI? (tak na to přišel kolega který pracoval na Fedoře s utf-8), pokud ne
projeví se to vždy. Ve 2.5 nevím jak se to chová?

os.listdir Python documentace
Changed in version 2.3: On Windows NT/2k/XP and Unix, if path is a Unicode
object, the result will be a list of Unicode objects.. 

http://kofoto.rosdahl.net/trac/wiki/UnicodeInPython
os.listdir(u"path") returns Unicode strings for names that can be decoded
with sys.getfilesystemencoding() but silently returns byte strings for names
that can't be decoded. That is, the return value of os.listdir(u"path") is
potentially a mixed list of Unicode and byte strings.

Python/2.4.2 (WXP)
>>> import os, sys
>>> sys.getfilesystemencoding()
'mbcs'
>>> os.listdir(u'path')
['aaa.txt', 'bbb.txt', '\xe8e\x9atina.txt', 'ccc.txt']
>>> os.listdir(u'path')
[u'aaa.txt', u'bbb.txt', u'\u010de\u0161tina.txt', u'ccc.txt']
>>> ...OK 3. je unicode

Python/2.4.4 (Debian)
>>> import os, sys
>>> sys.getfilesystemencoding()
'ANSI_X3.4-1968'
>>> os.listdir('path')
['aaa.txt', 'bbb.txt', '\xe8e\xb9tina.txt', 'ccc.txt']
>>> os.listdir(u'path')
[u'aaa.txt', u'bbb.txt', '\xe8e\xb9tina.txt', u'ccc.txt']
>>> ...? 3. není unicode